JTIDS信号用户分选分类器研究与实现
| 表目录 | 第1-8页 |
| 图目录 | 第8-10页 |
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题研究意义及目的 | 第12页 |
| ·JTIDS用户分选系统概述 | 第12-13页 |
| ·JTIDS信号特点 | 第12页 |
| ·JTIDS用户分选系统 | 第12-13页 |
| ·JTIDS用户分选分类器 | 第13-15页 |
| ·模式识别概述 | 第13-14页 |
| ·分类器概述 | 第14-15页 |
| ·分类器输入数据来源 | 第15-18页 |
| ·论文结构安排 | 第18-20页 |
| 第二章 基于支持向量机的JTIDS用户分类器研究 | 第20-37页 |
| ·统计学习理论 | 第20-21页 |
| ·支持向量机理论 | 第21-25页 |
| ·线性可分与最优分类面 | 第22-23页 |
| ·线性不可分与软间隔 | 第23页 |
| ·非线性分类与核函数 | 第23-24页 |
| ·支持向量机中的核函数 | 第24页 |
| ·支持向量机中的惩罚参数 | 第24-25页 |
| ·基于SVM的JTIDS用户分类器 | 第25-32页 |
| ·C-SVM分类器 | 第25-26页 |
| ·ν-SVM分类器 | 第26-27页 |
| ·ε-SVM分类器 | 第27-29页 |
| ·LS-SVM分类器 | 第29-31页 |
| ·SVM分类器分析与比较 | 第31-32页 |
| ·多类编码方案 | 第32-36页 |
| ·OAA编码方案 | 第32-33页 |
| ·OAO编码方案 | 第33-34页 |
| ·ECOC编码方案 | 第34页 |
| ·MOC编码方案 | 第34-35页 |
| ·仿真结果与分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于聚类的JTIDS用户分类器研究 | 第37-48页 |
| ·聚类概述 | 第37页 |
| ·基于K-means的JTIDS用户分类器 | 第37-43页 |
| ·传统K-means聚类算法 | 第37-39页 |
| ·改进型K-means聚类算法 | 第39-41页 |
| ·聚类结果评价准则 | 第41-42页 |
| ·仿真结果与分析 | 第42-43页 |
| ·基于SVC的JTIDS用户分类器 | 第43-46页 |
| ·支持向量聚类训练算法 | 第44-45页 |
| ·聚类形成 | 第45页 |
| ·仿真结果与分析 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于神经网络的JTIDS用户分类器研究 | 第48-62页 |
| ·神经网络概述 | 第48-49页 |
| ·神经元模型 | 第48-49页 |
| ·神经网络 | 第49页 |
| ·基于RBFN的JTIDS用户分类器 | 第49-54页 |
| ·RBFN原理 | 第49-51页 |
| ·RBFN分类器 | 第51-52页 |
| ·RBFN仿真 | 第52页 |
| ·改进型RBFN | 第52-54页 |
| ·基于SOFM的JTIDS用户分类器 | 第54-57页 |
| ·SOFM网络基本结构 | 第54-55页 |
| ·SOFM网络原理 | 第55-56页 |
| ·SOFM改进算法 | 第56-57页 |
| ·基于SOFM-SVM的JTIDS用户分类器 | 第57-61页 |
| ·SOFM-SVM原理 | 第57-60页 |
| ·性能仿真 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 JTIDS用户分选分类器设计与实现 | 第62-69页 |
| ·方案设计 | 第62-64页 |
| ·分类器性能指标 | 第62页 |
| ·系统方案 | 第62-64页 |
| ·测试平台 | 第64-68页 |
| ·Matlab混合编程概述 | 第64-65页 |
| ·测试平台设计 | 第65-66页 |
| ·测试结果分析 | 第66-68页 |
| ·系统集成 | 第68页 |
| ·本章小结 | 第68-69页 |
| 结束语 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第73-74页 |
| 致谢 | 第74页 |
